| Project/Area Number |
22KF0006
|
|---|
| Project/Area Number (Other) |
22F22049 (2022)
|
|---|
| Research Category |
Grant-in-Aid for JSPS Fellows
|
| Allocation Type | Multi-year Fund (2023)
Single-year Grants (2022) |
|---|
| Section | 外国 |
|---|
| Review Section |
Basic Section 27030:Catalyst and resource chemical process-related
|
|---|
| Research Institution | Hokkaido University |
|---|
Principal Investigator |
清水 研一 北海道大学, 触媒科学研究所, 教授 (60324000)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
LI LINGCONG 北海道大学, 触媒科学研究所, 外国人特別研究員
|
|---|
| Project Period (FY) |
2023-03-08 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥2,300,000 (Direct Cost: ¥2,300,000)
Fiscal Year 2023: ¥1,100,000 (Direct Cost: ¥1,100,000)
Fiscal Year 2022: ¥1,200,000 (Direct Cost: ¥1,200,000)
|
|---|
| Keywords | 不均一系触媒 / 機械学習 / データ科学 / インフォマティクス / 触媒インフォマティクス |
|---|
| Outline of Research at the Start |
材料に求められる機能や役割が高度化する中で、多元素化・複合化により未踏物質探査空間を開拓する必要性が高まっている。物質を構成する元素の組み合わせはほぼ無限にあるため、効率的に物質探査を進める戦略的な取組が必要となるが、現状ではそのような研究方法論は確立されていない。本研究では、本問題解決に向けて、データ科学的手法と実験を組み合わせた新しい研究方法論を用いて、既存研究の延長線上にない真に革新的な材料開発を行う。
|
| Outline of Annual Research Achievements |
触媒を含む材料化学の研究は、未だに「絨毯爆撃のようなスクリーニング」の時代にとどまっている。研究者は、これまで大量の実験データ、文献知識、経験的な知識を統合して、予測や仮説を形成してきた。しかしながら、ますます増加するデータや知識を消化し、目的に適した仮説を提供できる研究者は存在しない。人知による研究は限界に達しており、材料化学研究のアプローチを刷新するために、先進的なデータサイエンス技術を導入する必要がある。本研究では、探索的提案が可能な機械学習モデルを開発し、革新的な高性能触媒の創出に貢献する研究方法論を提案することを目指した。
文献データを用いて外挿的提案が可能な機械学習モデルの構築した。構築されたモデルでは、触媒構成要素そのものを学習に使用するのではなく、特徴量（原子半径、電気陰性度、融点など）と構成比の積を予測記述子（元素記述子）として使用することで、元々のデータセットに含まれている元素に縛られることなく、有望な触媒候補元素を提案することが可能になる。また、実際の触媒組成を提案する逆問題を解くためのアルゴリズムも作成し、新しい触媒の提案にも挑戦した。実際に、実験と機械学習のループを繰り返すことで、多元素触媒の開発も行った。反応としては、CO2水素化反応を行い、研究開始当初に見出していた触媒の活性を上回る高活性多元素触媒の開発に至った。予測だけでなく、機械学習モデルから化学的/物理的な示唆を得ることにも成功した。
|
